ECCV 2024 | RepVF: 一种用于多任务3D感知的统一表示

主要观点总结

本文提出了RepVF，一种用于自动驾驶中多任务3D感知的统一向量场表示方法。通过提出单头多任务框架RFTR，解决了不同任务之间的特征竞争和计算效率低下的问题。该方法利用查询改善特征交互，实现梯度平衡的多任务训练。本文的工作在自动驾驶多任务感知的效率和效果方面取得了显著进展。

关键观点总结

关键观点1: RepVF的提出

作为一种新颖的统一向量场表示方法，用于表征场景中不同3D感知目标的几何和语义结构。

关键观点2: RFTR的设计

基于RepVF，RFTR利用任务之间的内在联系，通过单头多任务架构，缓解多任务梯度不平衡和特征竞争问题，改进模型的收敛性和多任务表达能力。

关键观点3: 实验与结果

通过结合OpenLane数据集和Waymo Open数据集进行验证，RFTR模型性能表现优异，学习到的RepVF可视化展示结果良好。